MORDER 고객 및 매출 현황 (2021-05-17)

#Library
library(dplyr)
library(tidyverse)
library(openxlsx)
library(gt)
library(RMySQL)
library(kableExtra)
library(ggpubr)
library(ggplot2)
library(ggpubr)

options("scipen" = 100)
#Data Loading (DB access)
getwd()

## [1] "C:/Users/D_AIO2104_01/Desktop"

# DBcon <- dbConnect(
#   MySQL(),
#   user = 'morderdba@morderdb',
#   password = '!m@rder2@20',
#   host = 'morderdb.mysql.database.azure.com',
#   dbname = 'morder_dataon',
#   charset='euckr'
#  )
# dbSendQuery(DBcon, "SET NAMES utf8;")
# dbSendQuery(DBcon, "SET CHARACTER SET utf8;")
# dbSendQuery(DBcon, "SET character_set_connection=utf8;")
# 
# data_morder <- dbGetQuery(DBcon,"select * from `회원_마스터_v2` where ymd='2021-05-16';")
setwd("C:/Users/D_AIO2104_01/Desktop")
data_morder <- read.xlsx("data_morder.xlsx", startRow=1, sheet=1)
head(data_morder) %>% gt()

회원일련번호	이름	성별	나이	가입일	가입경과일	거주지	그룹기준브랜드	그룹기준브랜드명	주문회수_전체	결제금액_전체	빌단가_전체	첫주문일	최근주문일	최근주문경과일	회수_1년	금액_1년	회수_6개월	금액_6개월	회수_테이블	금액_테이블	회수_픽업	금액_픽업	회수_배달	금액_배달	회수_1년_테이블	회수_1년_픽업	회수_1년_배달	회수_6개월_테이블	회수_6개월_픽업	회수_6개월_배달	엠페이등록	스탬프적립	온라인쿠폰발급	온라인쿠폰사용	오프라인쿠폰발급	오프라인쿠폰사용	주중	주말	점심	스윙	저녁	기타시간	기간구분	ymd
232	우정식	남자	51	2020-09-10 00:00:00	249	경기 고양시 일산동구 숲속마을로 195	0	전체	3	42900	14300	2020-11-20	2020-12-22	146	3	42900	3	42900	3	42900	0	0	0	0	3	0	0	3	0	0	Y	0	10	1	3	0	3	0	2	0	1	0	A	2021-05-16
90	김지영	여자	40	2020-06-24 00:00:00	327	서울특별시 송파구 동남로6길 29-4	0	전체	0	0	0	NA	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	NA	0	2	0	0	0	0	0	0	0	0	0	A	2021-05-16
522	김창훈	남자	38	2020-12-21 00:00:00	147	서울특별시 성북구 고려대로17가길 64	0	전체	2	52600	26300	2020-12-22	2020-12-22	146	2	52600	2	52600	2	52600	0	0	0	0	2	0	0	2	0	0	Y	0	15	1	4	0	2	0	2	0	0	0	A	2021-05-16
542	이주희	여자	43	2020-12-25 00:00:00	143	인천 연수구 센트럴로 160	0	전체	0	0	0	NA	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	NA	0	5	0	0	0	0	0	0	0	0	0	A	2021-05-16
549	강정희	여자	57	2020-12-25 00:00:00	143	경기도 성남시 분당구 미금로22번길 10	0	전체	0	0	0	NA	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	NA	0	5	0	0	0	0	0	0	0	0	0	A	2021-05-16
560	조성욱	남자	48	2020-12-27 00:00:00	141	서울특별시 양천구 목동로 212	0	전체	1	74500	74500	2021-03-07	2021-03-07	71	1	74500	1	74500	0	0	0	0	1	74500	0	0	1	0	0	1	NA	0	11	1	3	0	0	1	0	1	0	0	A	2021-05-16

#파생변수 - 리드타임
data_morder <- cbind(data_morder, 리드타임 = as.numeric(( as.POSIXct(data_morder$첫주문일) - as.POSIXct(data_morder$가입일) ) / 86400) )

#파생변수 - 환공어묵 묶음
brand <- case_when(
  data_morder$그룹기준브랜드 %in% c('70','35') ~ "환공어묵",
  data_morder$그룹기준브랜드 %in% c('34') ~ "매드포갈릭",
  data_morder$그룹기준브랜드 %in% c('44') ~ "카페리피",
  data_morder$그룹기준브랜드 %in% c('3143') ~ "생어거스틴"
)
data_morder <- cbind(data_morder,brand)
###########################################################################################################################

#가입자
all_morder_ppl = data_morder[data_morder$그룹기준브랜드명 == '전체',]
dim(all_morder_ppl)[1]

## [1] 28449

#미주문자 
ord_0 = data_morder[as.numeric(data_morder$주문회수_전체) == 0,]
dim(ord_0)[1]

## [1] 27152

#주문자

#1회성 주문자
ord_1 = data_morder[as.numeric(data_morder$주문회수_전체) == 1,]
ord_1 = ord_1[ord_1$그룹기준브랜드명 == '전체',]
dim(ord_1)[1]

## [1] 1087

#재구매 주문자
ord_2 = data_morder[as.numeric(data_morder$주문회수_전체) == 2,]
ord_2 = ord_2[ord_2$그룹기준브랜드명 == '전체',]
dim(ord_2)[1]

## [1] 139

#1회 이상 주문자
ord_star1 = data_morder[as.numeric(data_morder$주문회수_전체) >= 1,]
ord_star1 = ord_star1[ord_star1$그룹기준브랜드명 == '전체',]
dim(ord_star1)[1]

## [1] 1297

#재구매 이상 주문자
ord_star2 = data_morder[as.numeric(data_morder$주문회수_전체) >= 2,]
ord_star2 = ord_star2[ord_star2$그룹기준브랜드명 == '전체',]
dim(ord_star2)[1]

## [1] 210

#3회 이상 주문자 
ord_3 = data_morder[as.numeric(data_morder$주문회수_전체) >= 3,]
ord_3 = ord_3[ord_3$그룹기준브랜드명 == '전체',]
dim(ord_3)[1]

## [1] 71

#브랜드 다주문자 
ord_brand = data_morder[data_morder$그룹기준브랜드명 != '전체',]
ord_brand_name = ord_brand %>% select(회원일련번호, 그룹기준브랜드명) %>% group_by(회원일련번호) %>% summarise(card = paste(그룹기준브랜드명, collapse='/'))
ord_brand_count = ord_brand %>% select(회원일련번호, 그룹기준브랜드명) %>% group_by(회원일련번호) %>% count(회원일련번호)
ord_brand_ = merge(ord_brand_count, ord_brand_name, by="회원일련번호")
ord_brand2 = data_morder[data_morder$그룹기준브랜드명 == '전체',]
ord_brand_c = ord_brand2[ord_brand2$회원일련번호 %in% ord_brand_[ord_brand_$n >= 2,]$회원일련번호,]
brands <- case_when(
  ord_brand_c$주문회수_전체 >=3 ~ "3회이상(충성고객)",
  ord_brand_c$주문회수_전체 == 2 ~ '2회(유지고객)'
)
ord_brand_c = cbind(ord_brand_c,구매횟수=brands)
###########################################################################################################################

# 엠오더 유입 경로 - 데이터 추적 필요 

# 주문을 하게끔 만드는 마케팅 액션 포인트 결정요인이 무엇인지 판별하기위한 데이터 지표 필요 
  # 미주문자 -> 1회주문자
  # 1회주문자 -> 재구매 
  # 재구매 -> 매니아층

###########################################################################################################################

# 성별 / 나이 / 지역 -> 인포그래픽은 바꿀수없는 부분 . 기존 구매자 특성으로 세그먼테이션 후 -> 비슷한 특성의 신규유입자들 대상으로 마케팅 활동

# 나이 분포 차이 - 미구매자 vs 구매자 

ord_00 <- cbind(ord_0, 구매횟수='0회(유입고객)')
ord_11 <- cbind(ord_1, 구매횟수='1회(참여고객)')
ord_22 <- cbind(ord_2, 구매횟수='2회(유지고객)')
ord_33 <- cbind(ord_3, 구매횟수='3회이상(충성고객)')
ord_cc <- cbind(ord_brand_c, 구매횟수='多브랜드')
ord_0123 = rbind(ord_00, ord_11, ord_22, ord_33)
#ord_0123c = rbind(ord_00, ord_11, ord_22, ord_33, ord_cc)
ord_123 = rbind(ord_11, ord_22, ord_33)
#ord_123c = rbind(ord_11, ord_22, ord_33, ord_cc)

#성별
ord_0123  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 성별, label = scales::percent(구성비))) + 
    geom_col(position = 'dodge') +   
    geom_text(position = position_dodge(width = .9),    # move to center of bars
              vjust = -0.5,    # nudge above top of bar
              size = 3) + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 성별 분포 현황 (전체)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_0123  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n))  %>% gt()

구매횟수	성별	n	구성비
0회(유입고객)	남자	10210	0.35888783437
0회(유입고객)	없음	450	0.01581777918
0회(유입고객)	여자	16492	0.57970403178
1회(참여고객)	남자	332	0.01167000598
1회(참여고객)	없음	12	0.00042180744
1회(참여고객)	여자	743	0.02611691096
2회(유지고객)	남자	44	0.00154662730
2회(유지고객)	없음	1	0.00003515062
2회(유지고객)	여자	94	0.00330415832
3회이상(충성고객)	남자	18	0.00063271117
3회이상(충성고객)	없음	3	0.00010545186
3회이상(충성고객)	여자	50	0.00175753102

#나이
a <- ggplot(ord_0123, aes(x = 나이))+ xlab("나이") + ylab("Density") + labs(title="MORDER 구매 단계별 나이 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = mean(나이,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(나이,na.rm=T)) %>% gt()

구매횟수	중앙값
0회(유입고객)	36
1회(참여고객)	36
2회(유지고객)	41
3회이상(충성고객)	41

# 가입경과일 
a <- ggplot(ord_0123, aes(x = 가입경과일))+ xlab("가입경과일") + ylab("Density") + labs(title="MORDER 구매 단계별 가입 경과일 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(가입경과일,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(가입경과일,na.rm=T)) %>% gt()

구매횟수	중앙값
0회(유입고객)	86
1회(참여고객)	84
2회(유지고객)	96
3회이상(충성고객)	100

# 결제금액 (중앙값)
a <- ggplot(ord_123, aes(x = 결제금액_전체)) + xlab("결제금액") + ylab("Density") + labs(title="MORDER 구매 단계별 결제 금액 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(결제금액_전체,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(결제금액_전체,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	19800
2회(유지고객)	38160
3회이상(충성고객)	64400

# 빌단가 ( 결제금액_전체 / 주문회수_전체 ) 중앙값
a <- ggplot(ord_123, aes(x = as.numeric(결제금액_전체) / as.numeric(주문회수_전체))) + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 빌단가 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	19800
2회(유지고객)	19080
3회이상(충성고객)	17360

# 첫주문일 - 가입일 (최초주문시까지 경과일) 
a <- ggplot(ord_123, aes(x = 리드타임)) + xlab("첫주문 리드타임") + ylab("Density") + xlab("첫주문 리드타임") + ylab("Density") + labs(title="MORDER 구매 단계별 첫주문 리드타임 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(리드타임),na.rm=T)
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(리드타임),na.rm=T) %>% gt()

구매횟수	중앙값	na.rm
1회(참여고객)	0	TRUE
2회(유지고객)	0	TRUE
3회이상(충성고객)	0	TRUE

# 픽업 횟수
ord_123  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 픽업주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 픽업 횟수 분포 현황 (전체)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_123  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	픽업주문수	n	구성비
1회(참여고객)	0	880	0.67848882
1회(참여고객)	1	207	0.15959907
2회(유지고객)	0	106	0.08172706
2회(유지고객)	1	9	0.00693909
2회(유지고객)	2	24	0.01850424
3회이상(충성고객)	0	37	0.02852737
3회이상(충성고객)	1	6	0.00462606
3회이상(충성고객)	2	5	0.00385505
3회이상(충성고객)	3	11	0.00848111
3회이상(충성고객)	4	7	0.00539707
3회이상(충성고객)	5	2	0.00154202
3회이상(충성고객)	6	1	0.00077101
3회이상(충성고객)	7	1	0.00077101
3회이상(충성고객)	12	1	0.00077101

# 배달 횟수
ord_123  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 배달주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 배달 횟수 분포 현황 (전체)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_123  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	배달주문수	n	구성비
1회(참여고객)	0	811	0.62528913
1회(참여고객)	1	276	0.21279877
2회(유지고객)	0	80	0.06168080
2회(유지고객)	1	6	0.00462606
2회(유지고객)	2	53	0.04086353
3회이상(충성고객)	0	45	0.03469545
3회이상(충성고객)	1	3	0.00231303
3회이상(충성고객)	2	3	0.00231303
3회이상(충성고객)	3	16	0.01233616
3회이상(충성고객)	4	2	0.00154202
3회이상(충성고객)	5	1	0.00077101
3회이상(충성고객)	7	1	0.00077101

# 테이블 횟수
ord_123  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 테이블주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 테이블 주문 횟수 분포 현황 (전체)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_123  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	테이블주문수	n	구성비
1회(참여고객)	0	483	0.37239784
1회(참여고객)	1	604	0.46569005
2회(유지고객)	0	82	0.06322282
2회(유지고객)	1	5	0.00385505
2회(유지고객)	2	52	0.04009252
3회이상(충성고객)	0	43	0.03315343
3회이상(충성고객)	1	5	0.00385505
3회이상(충성고객)	3	13	0.01002313
3회이상(충성고객)	4	4	0.00308404
3회이상(충성고객)	5	3	0.00231303
3회이상(충성고객)	7	2	0.00154202
3회이상(충성고객)	17	1	0.00077101

# 엠페이등록수
ord_0123  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 엠페이등록수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 엠페이 등록 횟수 분포 현황 (전체)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_0123  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	엠페이등록수	n	구성비
0회(유입고객)	Y	35	0.0012302717
0회(유입고객)	NA	27117	0.9531793736
1회(참여고객)	Y	15	0.0005272593
1회(참여고객)	NA	1072	0.0376814651
2회(유지고객)	Y	6	0.0002109037
2회(유지고객)	NA	133	0.0046750325
3회이상(충성고객)	Y	4	0.0001406025
3회이상(충성고객)	NA	67	0.0023550916

# 스탬프적립수 
ord_0123  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 스탬프적립수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white")+ 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 스탬프 적립 횟수 분포 현황 (전체)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_0123  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	스탬프적립수	n	구성비
0회(유입고객)	0	27152	0.95440964533
1회(참여고객)	0	1045	0.03673239833
1회(참여고객)	1	42	0.00147632606
2회(유지고객)	0	121	0.00425322507
2회(유지고객)	1	18	0.00063271117
3회이상(충성고객)	0	62	0.00217933847
3회이상(충성고객)	1	3	0.00010545186
3회이상(충성고객)	2	5	0.00017575310
3회이상(충성고객)	3	1	0.00003515062

# 온라인 쿠폰발급수
a <- ggplot(ord_0123, aes(x = 온라인쿠폰발급)) + xlab("온라인쿠폰발급수") + ylab("Density") + labs(title="MORDER 구매 단계별 온라인 쿠폰 발급 수 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
0회(유입고객)	2
1회(참여고객)	2
2회(유지고객)	4
3회이상(충성고객)	6

# 온라인 쿠폰사용수
a <- ggplot(ord_123, aes(x = 온라인쿠폰사용)) + xlab("온라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0, 1000, 1)) + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용 수 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	2
3회이상(충성고객)	2

# 온라인 쿠폰사용률 
a <- ggplot(ord_123, aes(x = as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급))) + xlab("온라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용률 분포 현황 (전체) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T ))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T )) %>% gt()

구매횟수	중앙값
1회(참여고객)	0.5000000
2회(유지고객)	0.3333333
3회이상(충성고객)	0.4000000

# 오프라인 쿠폰발급수
a <- ggplot(ord_0123, aes(x = 오프라인쿠폰발급))+ xlab("오프라인쿠폰발급수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 발급 수 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
0회(유입고객)	3
1회(참여고객)	1
2회(유지고객)	1
3회이상(충성고객)	2

# 오프라인 쿠폰사용수
a <- ggplot(ord_0123, aes(x = 오프라인쿠폰사용)) + xlab("오프라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용 수 분포 현황 (전체)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
0회(유입고객)	1
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

# 오프라인 쿠폰사용률 
a <- ggplot(ord_0123, aes(x = as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급))) + xlab("오프라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용률 분포 현황 (전체) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_0123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))%>%gt()

구매횟수	중앙값
0회(유입고객)	0.25
1회(참여고객)	0.00
2회(유지고객)	0.00
3회이상(충성고객)	0.00

# 주중 / 주말 - 점심 / 저녁 / 스윙 /기타시간 

# 주중
a <- ggplot(ord_123, aes(x = 주중)) + xlab("주중주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주중 주문 수 분포 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주중,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주중,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	1
3회이상(충성고객)	2

#주말
a <- ggplot(ord_123, aes(x = 주말)) + xlab("주말주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주말 주문 수 분포 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주말,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주말,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	1
3회이상(충성고객)	1

#점심
a <- ggplot(ord_123, aes(x = 점심)) + xlab("점심주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 점심 시간대 주문 수 분포 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(점심,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(점심,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	2

#저녁
a <- ggplot(ord_123, aes(x = 저녁)) + xlab("저녁주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 저녁 시간대 주문 수 분포 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(저녁,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(저녁,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

#스윙 
a <- ggplot(ord_123, aes(x = 스윙)) + xlab("스윙주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 스윙 시간대 주문 수 분포 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(스윙,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_123 %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(스윙,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	1

#################################################################################################################################

# 브랜드별 통계 
# 1회 구매자 
ord_1b_raw <- data_morder[data_morder$회원일련번호 %in% ord_1$회원일련번호,]
ord_1b_raw <- ord_1b_raw[ord_1b_raw$그룹기준브랜드명!='전체',]
ord_1b_raw <- cbind(ord_1b_raw, 구매횟수='1회(참여고객)')

ord_2b_raw <- data_morder[data_morder$회원일련번호 %in% ord_2$회원일련번호,]
ord_2b_raw <- ord_2b_raw[ord_2b_raw$그룹기준브랜드명!='전체',]
ord_2b_raw <- cbind(ord_2b_raw, 구매횟수='2회(유지고객)')

ord_3b_raw <- data_morder[data_morder$회원일련번호 %in% ord_3$회원일련번호,] 
ord_3b_raw <- ord_3b_raw[ord_3b_raw$그룹기준브랜드명!='전체',]
ord_3b_raw <- cbind(ord_3b_raw, 구매횟수='3회이상(충성고객)')

ord_bs_raw <- rbind(ord_1b_raw,ord_2b_raw,ord_3b_raw)

# 구매횟수별 구성비(count)
# ord_bs_raw  %>% 
#     count(구매횟수 = factor(구매횟수)) %>% 
#     mutate(pct = prop.table(n)) %>% 
#     ggplot(aes(x = 구매횟수, y = n, fill = 구매횟수, label = n )) + 
#     geom_col(position = 'dodge') + 
#     geom_text(position = position_dodge(width = .9),    # move to center of bars
#               vjust = -0.5,    # nudge above top of bar
#               size = 4) + labs(title="MORDER 구매 단계별 주문 수 분포 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
# ord_bs_raw  %>% 
#     count(구매횟수 = factor(구매횟수)) %>% 
#     mutate(pct = prop.table(n)) %>% gt()
# 구매횟수별 구성비(percent)
ord_bs_raw  %>%
    count(구매횟수 = factor(구매횟수)) %>%
    mutate(pct = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = n, fill = 구매횟수, label = scales::percent(pct) )) +
    geom_col(position = 'dodge') +
    geom_text(position = position_dodge(width = .9),    # move to center of bars
              vjust = -0.5,    # nudge above top of bar
              size = 4)  +
    scale_y_continuous(labels = scales::percent) + labs(title="MORDER 구매 단계별 주문 수 구성비 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw  %>% 
    count(구매횟수 = factor(구매횟수)) %>% 
    mutate(pct = prop.table(n)) %>% gt()

구매횟수	n	pct
1회(참여고객)	1087	0.82787510
2회(유지고객)	143	0.10891089
3회이상(충성고객)	83	0.06321401

# 브랜드별 구성비(count)
# ord_bs_raw  %>% 
#     count(구매횟수 = factor(구매횟수), 브랜드 = factor(그룹기준브랜드명)) %>% 
#     mutate(pct = prop.table(n)) %>% 
#     ggplot(aes(x = 구매횟수, y = n, fill = 브랜드, label = n)) + 
#     geom_col(position = 'dodge') + 
#     geom_text(position = position_dodge(width = .9),    # move to center of bars
#               vjust = -0.5,    # nudge above top of bar
#               size = 3) + labs(title="MORDER 구매 단계별 브랜드 수 분포 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
# ord_bs_raw  %>% 
#     count(구매횟수 = factor(구매횟수), 브랜드 = factor(그룹기준브랜드명)) %>% 
#     mutate(pct = prop.table(n)) %>% gt()
# 브랜드별 구성비(percent)
ord_bs_raw  %>% 
    count(구매횟수 = factor(구매횟수), 브랜드 = factor(brand)) %>% 
    mutate(pct = prop.table(n)) %>% 
    ggplot(aes(x = 구매횟수, y = pct, fill = 브랜드, label = scales::percent(pct))) + 
    geom_col(position = 'dodge') + 
    geom_text(position = position_dodge(width = .9),    # move to center of bars
              vjust = -0.5,    # nudge above top of bar
              size = 3) + 
    scale_y_continuous(labels = scales::percent)+ labs(title="MORDER 구매 단계별 주문 수 구성비 현황 (전체) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw  %>% 
    count(구매횟수 = factor(구매횟수), 브랜드 = factor(brand)) %>% 
    mutate(pct = prop.table(n)) %>% gt()

구매횟수	브랜드	n	pct
1회(참여고객)	매드포갈릭	373	0.2840822544
1회(참여고객)	생어거스틴	1	0.0007616146
1회(참여고객)	카페리피	352	0.2680883473
1회(참여고객)	환공어묵	361	0.2749428789
2회(유지고객)	매드포갈릭	73	0.0555978675
2회(유지고객)	카페리피	49	0.0373191165
2회(유지고객)	환공어묵	21	0.0159939071
3회이상(충성고객)	매드포갈릭	31	0.0236100533
3회이상(충성고객)	생어거스틴	1	0.0007616146
3회이상(충성고객)	카페리피	31	0.0236100533
3회이상(충성고객)	환공어묵	20	0.0152322925

#############################################################################################
#매드포갈릭 

#성별
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 성별, label = scales::percent(구성비))) + 
    geom_col(position = 'dodge') +   
    geom_text(position = position_dodge(width = .9),    # move to center of bars
              vjust = -0.5,    # nudge above top of bar
              size = 3) + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 성별 분포 현황 (매드포갈릭)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n))  %>% gt()

구매횟수	성별	n	구성비
1회(참여고객)	남자	125	0.262054507
1회(참여고객)	없음	2	0.004192872
1회(참여고객)	여자	246	0.515723270
2회(유지고객)	남자	20	0.041928721
2회(유지고객)	여자	53	0.111111111
3회이상(충성고객)	남자	12	0.025157233
3회이상(충성고객)	없음	1	0.002096436
3회이상(충성고객)	여자	18	0.037735849

#나이
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 나이))+ xlab("나이") + ylab("Density") + labs(title="MORDER 구매 단계별 나이 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = mean(나이,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(나이,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	40
2회(유지고객)	43
3회이상(충성고객)	43

# 가입경과일 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 가입경과일))+ xlab("가입경과일") + ylab("Density") + labs(title="MORDER 구매 단계별 가입 경과일 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(가입경과일,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(가입경과일,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	89
2회(유지고객)	93
3회이상(충성고객)	93

# 결제금액 (중앙값)
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 결제금액_전체)) + xlab("결제금액") + ylab("Density") + labs(title="MORDER 구매 단계별 결제 금액 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(결제금액_전체,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(결제금액_전체,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	34200
2회(유지고객)	52900
3회이상(충성고객)	84500

# 빌단가 ( 결제금액_전체 / 주문회수_전체 ) 중앙값
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = as.numeric(결제금액_전체) / as.numeric(주문회수_전체))) + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 빌단가 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	34200.00
2회(유지고객)	26500.00
3회이상(충성고객)	21866.67

# 첫주문일 - 가입일 (최초주문시까지 경과일) 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 리드타임)) + xlab("첫주문 리드타임") + ylab("Density") + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 첫주문 리드타임 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(리드타임),na.rm=T)
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(리드타임),na.rm=T) %>% gt()

구매횟수	중앙값	na.rm
1회(참여고객)	1	TRUE
2회(유지고객)	3	TRUE
3회이상(충성고객)	9	TRUE

# 픽업 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 픽업주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 픽업 횟수 분포 현황 (매드포갈릭)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	픽업주문수	n	구성비
1회(참여고객)	0	270	0.566037736
1회(참여고객)	1	103	0.215932914
2회(유지고객)	0	54	0.113207547
2회(유지고객)	1	6	0.012578616
2회(유지고객)	2	13	0.027253669
3회이상(충성고객)	0	19	0.039832285
3회이상(충성고객)	1	3	0.006289308
3회이상(충성고객)	2	3	0.006289308
3회이상(충성고객)	3	2	0.004192872
3회이상(충성고객)	4	3	0.006289308
3회이상(충성고객)	5	1	0.002096436

# 배달 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 배달주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 배달 횟수 분포 현황 (매드포갈릭)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	배달주문수	n	구성비
1회(참여고객)	0	103	0.215932914
1회(참여고객)	1	270	0.566037736
2회(유지고객)	0	14	0.029350105
2회(유지고객)	1	6	0.012578616
2회(유지고객)	2	53	0.111111111
3회이상(충성고객)	0	9	0.018867925
3회이상(충성고객)	1	1	0.002096436
3회이상(충성고객)	2	2	0.004192872
3회이상(충성고객)	3	15	0.031446541
3회이상(충성고객)	4	2	0.004192872
3회이상(충성고객)	5	1	0.002096436
3회이상(충성고객)	6	1	0.002096436

# 테이블 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 테이블주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 테이블 주문 횟수 분포 현황 (매드포갈릭)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	테이블주문수	n	구성비
1회(참여고객)	0	373	0.78197065
2회(유지고객)	0	73	0.15303983
3회이상(충성고객)	0	31	0.06498952

# 엠페이등록수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 엠페이등록수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 엠페이 등록 횟수 분포 현황 (매드포갈릭)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	엠페이등록수	n	구성비
1회(참여고객)	Y	4	0.008385744
1회(참여고객)	NA	369	0.773584906
2회(유지고객)	Y	4	0.008385744
2회(유지고객)	NA	69	0.144654088
3회이상(충성고객)	Y	2	0.004192872
3회이상(충성고객)	NA	29	0.060796646

# 스탬프적립수 
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 스탬프적립수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white")+ 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 스탬프 적립 횟수 분포 현황 (매드포갈릭)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',]  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	스탬프적립수	n	구성비
1회(참여고객)	0	331	0.693920335
1회(참여고객)	1	42	0.088050314
2회(유지고객)	0	55	0.115303983
2회(유지고객)	1	18	0.037735849
3회이상(충성고객)	0	22	0.046121593
3회이상(충성고객)	1	3	0.006289308
3회이상(충성고객)	2	5	0.010482180
3회이상(충성고객)	3	1	0.002096436

# 온라인 쿠폰발급수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 온라인쿠폰발급)) + xlab("온라인쿠폰발급수") + ylab("Density") + labs(title="MORDER 구매 단계별 온라인 쿠폰 발급 수 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	4
2회(유지고객)	5
3회이상(충성고객)	8

# 온라인 쿠폰사용수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 온라인쿠폰사용)) + xlab("온라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0, 1000, 1)) + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용 수 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	2
3회이상(충성고객)	3

# 온라인 쿠폰사용률 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급))) + xlab("온라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용률 분포 현황 (매드포갈릭) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T ))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T )) %>% gt()

구매횟수	중앙값
1회(참여고객)	0.25
2회(유지고객)	0.40
3회이상(충성고객)	0.50

# 오프라인 쿠폰발급수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 오프라인쿠폰발급))+ xlab("오프라인쿠폰발급수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 발급 수 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	4
2회(유지고객)	4
3회이상(충성고객)	4

# 오프라인 쿠폰사용수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 오프라인쿠폰사용)) + xlab("오프라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용 수 분포 현황 (매드포갈릭)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	1

# 오프라인 쿠폰사용률 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급))) + xlab("오프라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용률 분포 현황 (매드포갈릭) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))%>%gt()

구매횟수	중앙값
1회(참여고객)	0.00
2회(유지고객)	0.00
3회이상(충성고객)	0.25

# 주중 / 주말 - 점심 / 저녁 / 스윙 /기타시간 

# 주중
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 주중)) + xlab("주중주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주중 주문 수 분포 현황 (매드포갈릭) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주중,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주중,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	1
3회이상(충성고객)	2

#주말
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 주말)) + xlab("주말주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주말 주문 수 분포 현황 (매드포갈릭) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주말,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주말,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	1
3회이상(충성고객)	1

#점심
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 점심)) + xlab("점심주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 점심 시간대 주문 수 분포 현황 (매드포갈릭) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(점심,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(점심,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	1

#저녁
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 저녁)) + xlab("저녁주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 저녁 시간대 주문 수 분포 현황 (매드포갈릭) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(저녁,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(저녁,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

#스윙 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',], aes(x = 스윙)) + xlab("스윙주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 스윙 시간대 주문 수 분포 현황 (매드포갈릭) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(스윙,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='매드포갈릭 ',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(스윙,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	1
3회이상(충성고객)	1

###################################################################################################################################
# 카페리피
#성별
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 성별, label = scales::percent(구성비))) + 
    geom_col(position = 'dodge') +   
    geom_text(position = position_dodge(width = .9),    # move to center of bars
              vjust = -0.5,    # nudge above top of bar
              size = 3) + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 성별 분포 현황 (카페리피)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n))  %>% gt()

구매횟수	성별	n	구성비
1회(참여고객)	남자	95	0.219907407
1회(참여고객)	없음	7	0.016203704
1회(참여고객)	여자	250	0.578703704
2회(유지고객)	남자	17	0.039351852
2회(유지고객)	없음	1	0.002314815
2회(유지고객)	여자	31	0.071759259
3회이상(충성고객)	남자	6	0.013888889
3회이상(충성고객)	없음	3	0.006944444
3회이상(충성고객)	여자	22	0.050925926

#나이
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 나이))+ xlab("나이") + ylab("Density") + labs(title="MORDER 구매 단계별 나이 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = mean(나이,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(나이,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	34
2회(유지고객)	38
3회이상(충성고객)	39

# 가입경과일 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 가입경과일))+ xlab("가입경과일") + ylab("Density") + labs(title="MORDER 구매 단계별 가입 경과일 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(가입경과일,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(가입경과일,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	79.5
2회(유지고객)	158.0
3회이상(충성고객)	158.0

# 결제금액 (중앙값)
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 결제금액_전체)) + xlab("결제금액") + ylab("Density") + labs(title="MORDER 구매 단계별 결제 금액 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(결제금액_전체,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(결제금액_전체,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	17550
2회(유지고객)	27120
3회이상(충성고객)	50820

# 빌단가 ( 결제금액_전체 / 주문회수_전체 ) 중앙값
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = as.numeric(결제금액_전체) / as.numeric(주문회수_전체))) + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 빌단가 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	17550
2회(유지고객)	13600
3회이상(충성고객)	15160

# 첫주문일 - 가입일 (최초주문시까지 경과일) 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 리드타임)) + xlab("첫주문 리드타임") + ylab("Density") + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 첫주문 리드타임 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(리드타임),na.rm=T)
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(리드타임),na.rm=T) %>% gt()

구매횟수	중앙값	na.rm
1회(참여고객)	0	TRUE
2회(유지고객)	0	TRUE
3회이상(충성고객)	0	TRUE

# 픽업 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 픽업주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 픽업 횟수 분포 현황 (카페리피)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	픽업주문수	n	구성비
1회(참여고객)	0	331	0.766203704
1회(참여고객)	1	21	0.048611111
2회(유지고객)	0	43	0.099537037
2회(유지고객)	1	4	0.009259259
2회(유지고객)	2	2	0.004629630
3회이상(충성고객)	0	19	0.043981481
3회이상(충성고객)	1	8	0.018518519
3회이상(충성고객)	2	2	0.004629630
3회이상(충성고객)	3	1	0.002314815
3회이상(충성고객)	4	1	0.002314815

# 배달 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 배달주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 배달 횟수 분포 현황 (카페리피)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	배달주문수	n	구성비
1회(참여고객)	0	347	0.803240741
1회(참여고객)	1	5	0.011574074
2회(유지고객)	0	49	0.113425926
3회이상(충성고객)	0	26	0.060185185
3회이상(충성고객)	1	3	0.006944444
3회이상(충성고객)	2	2	0.004629630

# 테이블 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 테이블주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 테이블 주문 횟수 분포 현황 (카페리피)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	테이블주문수	n	구성비
1회(참여고객)	0	26	0.060185185
1회(참여고객)	1	326	0.754629630
2회(유지고객)	0	3	0.006944444
2회(유지고객)	1	6	0.013888889
2회(유지고객)	2	40	0.092592593
3회이상(충성고객)	0	7	0.016203704
3회이상(충성고객)	1	4	0.009259259
3회이상(충성고객)	2	1	0.002314815
3회이상(충성고객)	3	9	0.020833333
3회이상(충성고객)	4	4	0.009259259
3회이상(충성고객)	5	3	0.006944444
3회이상(충성고객)	7	2	0.004629630
3회이상(충성고객)	17	1	0.002314815

# 엠페이등록수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 엠페이등록수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 엠페이 등록 횟수 분포 현황 (카페리피)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	엠페이등록수	n	구성비
1회(참여고객)	Y	8	0.018518519
1회(참여고객)	NA	344	0.796296296
2회(유지고객)	Y	4	0.009259259
2회(유지고객)	NA	45	0.104166667
3회이상(충성고객)	Y	3	0.006944444
3회이상(충성고객)	NA	28	0.064814815

# 스탬프적립수 
ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 스탬프적립수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white")+ 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 스탬프 적립 횟수 분포 현황 (카페리피)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',]  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	스탬프적립수	n	구성비
1회(참여고객)	0	352	0.81481481
2회(유지고객)	0	49	0.11342593
3회이상(충성고객)	0	31	0.07175926

# 온라인 쿠폰발급수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 온라인쿠폰발급)) + xlab("온라인쿠폰발급수") + ylab("Density") + labs(title="MORDER 구매 단계별 온라인 쿠폰 발급 수 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	2
2회(유지고객)	4
3회이상(충성고객)	5

# 온라인 쿠폰사용수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 온라인쿠폰사용)) + xlab("온라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0, 1000, 1)) + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용 수 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	1
3회이상(충성고객)	2

# 온라인 쿠폰사용률 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급))) + xlab("온라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용률 분포 현황 (카페리피) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T ))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T )) %>% gt()

구매횟수	중앙값
1회(참여고객)	0.5000000
2회(유지고객)	0.2500000
3회이상(충성고객)	0.3333333

# 오프라인 쿠폰발급수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 오프라인쿠폰발급))+ xlab("오프라인쿠폰발급수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 발급 수 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	1

# 오프라인 쿠폰사용수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 오프라인쿠폰사용)) + xlab("오프라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용 수 분포 현황 (카페리피)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

# 오프라인 쿠폰사용률 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급))) + xlab("오프라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용률 분포 현황 (카페리피) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))%>%gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

# 주중 / 주말 - 점심 / 저녁 / 스윙 /기타시간 

# 주중
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 주중)) + xlab("주중주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주중 주문 수 분포 현황 (카페리피) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주중,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주중,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	1
3회이상(충성고객)	2

#주말
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 주말)) + xlab("주말주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주말 주문 수 분포 현황 (카페리피) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주말,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주말,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	1
3회이상(충성고객)	1

#점심
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 점심)) + xlab("점심주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 점심 시간대 주문 수 분포 현황 (카페리피) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(점심,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(점심,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	1
3회이상(충성고객)	2

#저녁
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 저녁)) + xlab("저녁주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 저녁 시간대 주문 수 분포 현황 (카페리피) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(저녁,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(저녁,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

#스윙 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',], aes(x = 스윙)) + xlab("스윙주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 스윙 시간대 주문 수 분포 현황 (카페리피) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(스윙,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명=='카페리피',] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(스윙,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	1

###################################################################################################################################
# 환공어묵

#성별
ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 성별, label = scales::percent(구성비))) + 
    geom_col(position = 'dodge') +   
    geom_text(position = position_dodge(width = .9),    # move to center of bars
              vjust = -0.5,    # nudge above top of bar
              size = 3) + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 성별 분포 현황 (환공어묵)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n))  %>% gt()

구매횟수	성별	n	구성비
1회(참여고객)	남자	112	0.278606965
1회(참여고객)	없음	3	0.007462687
1회(참여고객)	여자	246	0.611940299
2회(유지고객)	남자	10	0.024875622
2회(유지고객)	여자	11	0.027363184
3회이상(충성고객)	남자	6	0.014925373
3회이상(충성고객)	여자	14	0.034825871

#나이
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 나이))+ xlab("나이") + ylab("Density") + labs(title="MORDER 구매 단계별 나이 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = mean(나이,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(나이,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	34
2회(유지고객)	42
3회이상(충성고객)	44

# 가입경과일 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 가입경과일))+ xlab("가입경과일") + ylab("Density") + labs(title="MORDER 구매 단계별 가입 경과일 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(가입경과일,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(가입경과일,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	77
2회(유지고객)	109
3회이상(충성고객)	119

# 결제금액 (중앙값)
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 결제금액_전체)) + xlab("결제금액") + ylab("Density") + labs(title="MORDER 구매 단계별 결제 금액 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(결제금액_전체,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(결제금액_전체,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	16400
2회(유지고객)	24400
3회이상(충성고객)	49700

# 빌단가 ( 결제금액_전체 / 주문회수_전체 ) 중앙값
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = as.numeric(결제금액_전체) / as.numeric(주문회수_전체))) + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 빌단가 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	16400.00
2회(유지고객)	13000.00
3회이상(충성고객)	14858.33

# 첫주문일 - 가입일 (최초주문시까지 경과일) 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 리드타임)) + xlab("첫주문 리드타임") + ylab("Density") + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 첫주문 리드타임 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(리드타임),na.rm=T)
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(리드타임),na.rm=T) %>% gt()

구매횟수	중앙값	na.rm
1회(참여고객)	0	TRUE
2회(유지고객)	0	TRUE
3회이상(충성고객)	0	TRUE

# 픽업 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 픽업주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 픽업 횟수 분포 현황 (환공어묵)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	픽업주문수	n	구성비
1회(참여고객)	0	279	0.694029851
1회(참여고객)	1	82	0.203980100
2회(유지고객)	0	12	0.029850746
2회(유지고객)	1	1	0.002487562
2회(유지고객)	2	8	0.019900498
3회이상(충성고객)	0	4	0.009950249
3회이상(충성고객)	1	2	0.004975124
3회이상(충성고객)	2	1	0.002487562
3회이상(충성고객)	3	7	0.017412935
3회이상(충성고객)	4	3	0.007462687
3회이상(충성고객)	5	1	0.002487562
3회이상(충성고객)	6	1	0.002487562
3회이상(충성고객)	12	1	0.002487562

# 배달 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 배달주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 배달 횟수 분포 현황 (환공어묵)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	배달주문수	n	구성비
1회(참여고객)	0	360	0.895522388
1회(참여고객)	1	1	0.002487562
2회(유지고객)	0	21	0.052238806
3회이상(충성고객)	0	19	0.047263682
3회이상(충성고객)	1	1	0.002487562

# 테이블 횟수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 테이블주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 테이블 주문 횟수 분포 현황 (환공어묵)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	테이블주문수	n	구성비
1회(참여고객)	0	83	0.206467662
1회(참여고객)	1	278	0.691542289
2회(유지고객)	0	9	0.022388060
2회(유지고객)	1	1	0.002487562
2회(유지고객)	2	11	0.027363184
3회이상(충성고객)	0	15	0.037313433
3회이상(충성고객)	1	2	0.004975124
3회이상(충성고객)	3	3	0.007462687

# 엠페이등록수
ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 엠페이등록수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 엠페이 등록 횟수 분포 현황 (환공어묵)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	엠페이등록수	n	구성비
1회(참여고객)	Y	3	0.007462687
1회(참여고객)	NA	358	0.890547264
2회(유지고객)	NA	21	0.052238806
3회이상(충성고객)	Y	3	0.007462687
3회이상(충성고객)	NA	17	0.042288557

# 스탬프적립수 
ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 스탬프적립수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white")+ 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 스탬프 적립 횟수 분포 현황 (환공어묵)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),]  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	스탬프적립수	n	구성비
1회(참여고객)	0	361	0.89800995
2회(유지고객)	0	21	0.05223881
3회이상(충성고객)	0	20	0.04975124

# 온라인 쿠폰발급수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 온라인쿠폰발급)) + xlab("온라인쿠폰발급수") + ylab("Density") + labs(title="MORDER 구매 단계별 온라인 쿠폰 발급 수 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	2
3회이상(충성고객)	4

# 온라인 쿠폰사용수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 온라인쿠폰사용)) + xlab("온라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0, 1000, 1)) + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용 수 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	1
3회이상(충성고객)	1

# 온라인 쿠폰사용률 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급))) + xlab("온라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용률 분포 현황 (환공어묵) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T ))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T )) %>% gt()

구매횟수	중앙값
1회(참여고객)	1.0000000
2회(유지고객)	0.3333333
3회이상(충성고객)	0.2361111

# 오프라인 쿠폰발급수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 오프라인쿠폰발급))+ xlab("오프라인쿠폰발급수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 발급 수 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1
2회(유지고객)	1
3회이상(충성고객)	1

# 오프라인 쿠폰사용수
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 오프라인쿠폰사용)) + xlab("오프라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용 수 분포 현황 (환공어묵)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

# 오프라인 쿠폰사용률 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급))) + xlab("오프라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용률 분포 현황 (환공어묵) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))%>%gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

# 주중 / 주말 - 점심 / 저녁 / 스윙 /기타시간 

# 주중
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 주중)) + xlab("주중주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주중 주문 수 분포 현황 (환공어묵) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주중,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주중,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	1.0
2회(유지고객)	2.0
3회이상(충성고객)	2.5

#주말
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 주말)) + xlab("주말주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주말 주문 수 분포 현황 (환공어묵) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주말,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주말,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

#점심
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 점심)) + xlab("점심주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 점심 시간대 주문 수 분포 현황 (환공어묵) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(점심,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(점심,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	0

#저녁
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 저녁)) + xlab("저녁주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 저녁 시간대 주문 수 분포 현황 (환공어묵) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(저녁,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(저녁,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0
2회(유지고객)	0
3회이상(충성고객)	1

#스윙 
a <- ggplot(ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),], aes(x = 스윙)) + xlab("스윙주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 스윙 시간대 주문 수 분포 현황 (환공어묵) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(스윙,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_bs_raw[ord_bs_raw$그룹기준브랜드명 %in% c('환공어묵','환공어묵 '),] %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(스윙,na.rm=T)) %>% gt()

구매횟수	중앙값
1회(참여고객)	0.0
2회(유지고객)	0.0
3회이상(충성고객)	0.5

###################################################################################################################################

# 여러 브랜드 주문자 
ord_brand_c %>% gt()

회원일련번호	이름	성별	나이	가입일	가입경과일	거주지	그룹기준브랜드	그룹기준브랜드명	주문회수_전체	결제금액_전체	빌단가_전체	첫주문일	최근주문일	최근주문경과일	회수_1년	금액_1년	회수_6개월	금액_6개월	회수_테이블	금액_테이블	회수_픽업	금액_픽업	회수_배달	금액_배달	회수_1년_테이블	회수_1년_픽업	회수_1년_배달	회수_6개월_테이블	회수_6개월_픽업	회수_6개월_배달	엠페이등록	스탬프적립	온라인쿠폰발급	온라인쿠폰사용	오프라인쿠폰발급	오프라인쿠폰사용	주중	주말	점심	스윙	저녁	기타시간	기간구분	ymd	리드타임	brand	구매횟수
232	우정식	남자	51	2020-09-10 00:00:00	249	경기 고양시 일산동구 숲속마을로 195	0	전체	3	42900	14300	2020-11-20	2020-12-22	146	3	42900	3	42900	3	42900	0	0	0	0	3	0	0	3	0	0	Y	0	10	1	3	0	3	0	2	0	1	0	A	2021-05-16	71	NA	3회이상(충성고객)
116	김설아	여자	31	2020-08-03 00:00:00	287	서울 마포구 포은로 21	0	전체	7	78700	11243	2020-08-03	2021-01-30	107	7	78700	1	5500	5	62700	2	16000	0	0	5	2	0	1	0	0	Y	0	5	0	0	0	6	1	6	1	0	0	A	2021-05-16	0	NA	3회이상(충성고객)
482	오세정	남자	43	2020-12-10 00:00:00	158	경기도 부천시 양지로 234-26	0	전체	7	140100	20014	2020-12-29	2021-02-16	90	7	140100	7	140100	0	0	4	86400	3	53700	0	4	3	0	4	3	Y	0	48	4	3	1	7	0	7	0	0	0	A	2021-05-16	19	NA	3회이상(충성고객)
526	조현진	남자	35	2020-12-22 00:00:00	146	서울 영등포구 영중로 119	0	전체	2	26700	13350	2020-12-22	2021-04-02	45	2	26700	2	26700	1	6500	0	0	1	20200	1	0	1	1	0	1	Y	0	14	1	4	0	2	0	1	0	1	0	A	2021-05-16	0	NA	2회(유지고객)
211	김석기	남자	51	2020-09-05 00:00:00	254	NA	0	전체	2	29340	14670	2020-09-05	2020-11-07	191	2	29340	0	0	2	29340	0	0	0	0	2	0	0	0	0	0	NA	0	6	2	3	0	0	2	1	1	0	0	A	2021-05-16	0	NA	2회(유지고객)
225	손지혜	여자	43	2020-09-08 00:00:00	251	NA	0	전체	3	28420	9473	2020-09-10	2020-11-09	189	3	28420	0	0	1	7420	2	21000	0	0	1	2	0	0	0	0	NA	0	6	2	3	1	3	0	0	1	2	0	A	2021-05-16	2	NA	3회이상(충성고객)
756	이정후	남자	32	2021-01-16 00:00:00	121	NA	0	전체	7	104700	14957	2021-01-19	2021-02-10	96	7	104700	7	104700	0	0	7	104700	0	0	0	7	0	0	7	0	NA	0	4	1	1	0	7	0	0	1	6	0	A	2021-05-16	3	NA	3회이상(충성고객)
6126	이춘길	남자	49	2021-02-13 00:00:00	93	NA	0	전체	4	55480	13870	2021-02-21	2021-04-07	40	4	55480	4	55480	1	10880	2	26600	1	18000	1	2	1	1	2	1	NA	0	8	3	4	4	2	2	2	2	0	0	B	2021-05-16	8	NA	3회이상(충성고객)
8579	이용석	남자	43	2021-02-14 00:00:00	92	NA	0	전체	2	42030	21015	2021-03-19	2021-03-28	50	2	42030	2	42030	0	0	2	42030	0	0	0	2	0	0	2	0	NA	0	8	1	4	0	1	1	1	1	0	0	B	2021-05-16	33	NA	2회(유지고객)
8637	김승모	남자	51	2021-02-14 00:00:00	92	NA	0	전체	7	134700	19243	2021-02-22	2021-05-15	2	7	134700	7	134700	0	0	0	0	7	134700	0	0	7	0	0	7	NA	0	10	7	4	2	6	1	1	1	5	0	B	2021-05-16	8	NA	3회이상(충성고객)
10535	이혜정	여자	26	2021-02-16 00:00:00	90	NA	0	전체	2	42300	21150	2021-03-16	2021-05-03	14	2	42300	2	42300	1	4800	1	37500	0	0	1	1	0	1	1	0	Y	1	10	1	5	1	2	0	1	1	0	0	B	2021-05-16	28	NA	2회(유지고객)
11293	권정혜	여자	48	2021-02-17 00:00:00	89	경기도 안양시 만안구 덕천로 140	0	전체	3	54000	18000	2021-02-20	2021-02-21	85	3	54000	3	54000	0	0	3	54000	0	0	0	3	0	0	3	0	NA	0	9	1	4	0	0	3	2	0	1	0	B	2021-05-16	3	NA	3회이상(충성고객)
20338	민유홍	여자	55	2021-02-26 00:00:00	80	NA	0	전체	3	44500	14833	2021-03-29	2021-04-30	17	3	44500	3	44500	0	0	1	15700	2	28800	0	1	2	0	1	2	NA	0	8	3	1	0	3	0	2	1	0	0	B	2021-05-16	31	NA	3회이상(충성고객)
103	NA	없음	0	2020-07-22 00:00:00	299	NA	0	전체	7	194400	27771	2020-08-03	2020-12-02	166	7	194400	1	63600	3	71800	3	91600	1	31000	3	3	1	0	1	0	NA	0	1	1	0	0	6	1	5	2	0	0	A	2021-05-16	12	NA	3회이상(충성고객)

#성별
ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 성별, label = scales::percent(구성비))) + 
    geom_col(position = 'dodge') +   
    geom_text(position = position_dodge(width = .9),    # move to center of bars
              vjust = -0.5,    # nudge above top of bar
              size = 3) + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 성별 분포 현황 (다 브랜드)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 성별 = factor(성별)) %>% 
    mutate(구성비 = prop.table(n))  %>% gt()

구매횟수	성별	n	구성비
2회(유지고객)	남자	3	0.21428571
2회(유지고객)	여자	1	0.07142857
3회이상(충성고객)	남자	5	0.35714286
3회이상(충성고객)	없음	1	0.07142857
3회이상(충성고객)	여자	4	0.28571429

#나이
a <- ggplot(ord_brand_c, aes(x = 나이))+ xlab("나이") + ylab("Density") + labs(title="MORDER 구매 단계별 나이 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = mean(나이,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(나이,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	39.0
3회이상(충성고객)	45.5

# 가입경과일 
a <- ggplot(ord_brand_c, aes(x = 가입경과일))+ xlab("가입경과일") + ylab("Density") + labs(title="MORDER 구매 단계별 가입 경과일 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(가입경과일,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(가입경과일,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	119.0
3회이상(충성고객)	139.5

# 결제금액 (중앙값)
a <- ggplot(ord_brand_c, aes(x = 결제금액_전체)) + xlab("결제금액") + ylab("Density") + labs(title="MORDER 구매 단계별 결제 금액 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(결제금액_전체,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(결제금액_전체,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	35685
3회이상(충성고객)	67090

# 빌단가 ( 결제금액_전체 / 주문회수_전체 ) 중앙값
a <- ggplot(ord_brand_c, aes(x = as.numeric(결제금액_전체) / as.numeric(주문회수_전체))) + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 빌단가 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(결제금액_전체) / as.numeric(주문회수_전체),na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	17842.50
3회이상(충성고객)	14895.24

# 첫주문일 - 가입일 (최초주문시까지 경과일) 
a <- ggplot(ord_brand_c, aes(x = 리드타임)) + xlab("첫주문 리드타임") + ylab("Density") + xlab("빌단가") + ylab("Density") + labs(title="MORDER 구매 단계별 첫주문 리드타임 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(리드타임),na.rm=T)
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(리드타임),na.rm=T) %>% gt()

구매횟수	중앙값	na.rm
2회(유지고객)	14	TRUE
3회이상(충성고객)	8	TRUE

# 픽업 횟수
ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 픽업주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 픽업 횟수 분포 현황 (다 브랜드)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 픽업주문수 = 회수_픽업) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	픽업주문수	n	구성비
2회(유지고객)	0	2	0.14285714
2회(유지고객)	1	1	0.07142857
2회(유지고객)	2	1	0.07142857
3회이상(충성고객)	0	2	0.14285714
3회이상(충성고객)	1	1	0.07142857
3회이상(충성고객)	2	3	0.21428571
3회이상(충성고객)	3	2	0.14285714
3회이상(충성고객)	4	1	0.07142857
3회이상(충성고객)	7	1	0.07142857

# 배달 횟수
ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 배달주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 배달 횟수 분포 현황 (다 브랜드)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 배달주문수 = 회수_배달) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	배달주문수	n	구성비
2회(유지고객)	0	3	0.21428571
2회(유지고객)	1	1	0.07142857
3회이상(충성고객)	0	5	0.35714286
3회이상(충성고객)	1	2	0.14285714
3회이상(충성고객)	2	1	0.07142857
3회이상(충성고객)	3	1	0.07142857
3회이상(충성고객)	7	1	0.07142857

# 테이블 횟수
ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비, fill = 테이블주문수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent) +
    labs(title="MORDER 구매 단계별 테이블 주문 횟수 분포 현황 (다 브랜드)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 테이블주문수 = 회수_테이블) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	테이블주문수	n	구성비
2회(유지고객)	0	1	0.07142857
2회(유지고객)	1	2	0.14285714
2회(유지고객)	2	1	0.07142857
3회이상(충성고객)	0	5	0.35714286
3회이상(충성고객)	1	2	0.14285714
3회이상(충성고객)	3	2	0.14285714
3회이상(충성고객)	5	1	0.07142857

# 엠페이등록수
ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 엠페이등록수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white") + 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 엠페이 등록 횟수 분포 현황 (다 브랜드)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 엠페이등록수 = 엠페이등록) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	엠페이등록수	n	구성비
2회(유지고객)	Y	2	0.1428571
2회(유지고객)	NA	2	0.1428571
3회이상(충성고객)	Y	3	0.2142857
3회이상(충성고객)	NA	7	0.5000000

# 스탬프적립수 
ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>%
    ggplot(aes(x = 구매횟수, y = 구성비 , fill = 스탬프적립수, label = scales::percent(구성비))) + 
    geom_bar(stat = 'identity', position='fill', alpha=0.8) +
    geom_text(position = position_fill(vjust = .5),    # move to center of bars
              size = 3,color="white")+ 
    scale_y_continuous(labels = scales::percent)+
    labs(title="MORDER 구매 단계별 스탬프 적립 횟수 분포 현황 (다 브랜드)") +
             theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))

ord_brand_c  %>%
    count(구매횟수 = factor(구매횟수), 스탬프적립수 = 스탬프적립) %>% 
    mutate(구성비 = prop.table(n)) %>% gt()

구매횟수	스탬프적립수	n	구성비
2회(유지고객)	0	3	0.21428571
2회(유지고객)	1	1	0.07142857
3회이상(충성고객)	0	10	0.71428571

# 온라인 쿠폰발급수
a <- ggplot(ord_brand_c, aes(x = 온라인쿠폰발급)) + xlab("온라인쿠폰발급수") + ylab("Density") + labs(title="MORDER 구매 단계별 온라인 쿠폰 발급 수 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	9
3회이상(충성고객)	8

# 온라인 쿠폰사용수
a <- ggplot(ord_brand_c, aes(x = 온라인쿠폰사용)) + xlab("온라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0, 1000, 1)) + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용 수 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(온라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(온라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	1.0
3회이상(충성고객)	1.5

# 온라인 쿠폰사용률 
a <- ggplot(ord_brand_c, aes(x = as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급))) + xlab("온라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 온라인 쿠폰 사용률 분포 현황 (다 브랜드) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T ))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(온라인쿠폰사용)/as.numeric(온라인쿠폰발급),na.rm=T )) %>% gt()

구매횟수	중앙값
2회(유지고객)	0.1125000
3회이상(충성고객)	0.2916667

# 오프라인 쿠폰발급수
a <- ggplot(ord_brand_c, aes(x = 오프라인쿠폰발급))+ xlab("오프라인쿠폰발급수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 발급 수 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰발급,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰발급,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	4
3회이상(충성고객)	3

# 오프라인 쿠폰사용수
a <- ggplot(ord_brand_c, aes(x = 오프라인쿠폰사용)) + xlab("오프라인쿠폰사용수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용 수 분포 현황 (다 브랜드)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(오프라인쿠폰사용,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(오프라인쿠폰사용,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	0
3회이상(충성고객)	0

# 오프라인 쿠폰사용률 
a <- ggplot(ord_brand_c, aes(x = as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급))) + xlab("오프라인쿠폰사용률") + ylab("Density")  + labs(title="MORDER 구매 단계별 오프라인 쿠폰 사용률 분포 현황 (다 브랜드) \n (* 사용률 = 사용수/발급수)") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(as.numeric(오프라인쿠폰사용)/as.numeric(오프라인쿠폰발급), na.rm=T))%>%gt()

구매횟수	중앙값
2회(유지고객)	0.0000000
3회이상(충성고객)	0.1666667

# 주중 / 주말 - 점심 / 저녁 / 스윙 /기타시간 

# 주중
a <- ggplot(ord_brand_c, aes(x = 주중)) + xlab("주중주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주중 주문 수 분포 현황 (다 브랜드) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주중,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주중,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	1.5
3회이상(충성고객)	4.5

#주말
a <- ggplot(ord_brand_c, aes(x = 주말)) + xlab("주말주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 주말 주문 수 분포 현황 (다 브랜드) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(주말,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(주말,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	0.5
3회이상(충성고객)	0.5

#점심
a <- ggplot(ord_brand_c, aes(x = 점심)) + xlab("점심주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 점심 시간대 주문 수 분포 현황 (다 브랜드) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(점심,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(점심,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	1
3회이상(충성고객)	2

#저녁
a <- ggplot(ord_brand_c, aes(x = 저녁)) + xlab("저녁주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 저녁 시간대 주문 수 분포 현황 (다 브랜드) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(저녁,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(저녁,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	0.0
3회이상(충성고객)	0.5

#스윙 
a <- ggplot(ord_brand_c, aes(x = 스윙)) + xlab("스윙주문수") + ylab("Density") + scale_x_continuous(breaks=seq(0,1000,1)) + labs(title="MORDER 구매 단계별 스윙 시간대 주문 수 분포 현황 (다 브랜드) ") + theme(plot.title = element_text(hjust = 0.5),text = element_text(size=12))
mu <- ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(grp.mean = median(스윙,na.rm=T))
a + geom_density(aes(fill = 구매횟수), alpha = 0.4) +
      geom_vline(aes(xintercept = grp.mean, color = 구매횟수),
             data = mu, linetype = "dashed", size= 1)

ord_brand_c %>% 
  group_by(구매횟수) %>%
  summarise(중앙값 = median(스윙,na.rm=T)) %>% gt()

구매횟수	중앙값
2회(유지고객)	1
3회이상(충성고객)	1